交通基础设施增收的空间溢出效应研究

(重庆工商大学 长江上游经济研究中心,重庆 400067)

1 引言

发展经济学家Rosenstein-Rodan[1]认为,交通基础设施发展是居民增收的先行条件。近年来,我国对公路、铁路、水利、电力等基础设施建设的投入力度不断加大,促使我国交通设施建设实现了跨越式发展,2016年底铁路里程达到12.4万km,比2006年增长了1.6倍,比1997年增长了10.3倍;公路里程2016年底达到469.6万km,比2006年和1997年分别增长了1.4倍和3.6倍。促进交通基础设施建设发展不仅对我国的经济增长具有“加速器”作用,还可通过显著的空间溢出效应逐渐缩小区域经济发展差距。同时,发展交通基础设施是我国开展“民生工程”的重要手段,发达的交通基础设施可降低劳动力与市场需求信息的不对称性,有利于增加劳动要素可流动性进而降低流动成本。

目前学者们对交通基础设施增收效应的研究较少,更多的是关注交通基础设施对经济增长、城乡收入差距、生产效率等产生的影响。Barro[2]、Cazzavillan[3]发现基础设施对国家经济发展存在正的外部性;Hulten[4]表明这种正外部性并不显著。魏巍[5]等研究发现交通基础设施有利于产业集聚且对经济增长有正向溢出效应;刘生龙等[6]发现交通基础设施对改善区域经济一体化具有促进作用;周绍杰等[7]分别用静态和动态非平衡面板模型研究三大基础设施对农村居民收入的影响,结果分别显著为正;张光南[8]等采用工业企业面板数据实证分析了交通基础设施对制造业生产要素投入的影响,结果显示铁路货运对生产效率的影响不显著,公路客运对生产效率的影响为负;罗能生等[9]将研究期限划分为两个阶段,分别研究交通基础设施对缩小城乡差距的边际效用,发现随着时间推移边际效用逐渐减少。

交通基础设施在提升人民生活水平减少贫困等方面发挥着重要作用。本文根据交通基础设施增收效应理论机制,构建空间面板计量模型,以验证交通基础设施对居民收入具有溢出效应等推论,以填补该方面研究空缺。

2 理论模型

交通基础设施对居民收入增长的促进作用类似于一个额外的技术进步贡献。在考察交通基础设施增收的空间效应时,将严格的外生交通基础设施变量融进技术进步因素中,包含资本、劳动、交通基础设施三要素的新古典经济增长函数可构建为:

Y=A(T)f(K,L)

(1)

借鉴Boarnet[10]的两地经济系统假设条件:①市场分割为南北两个城市(S、N),市场信息完备,为完全竞争形态。②S、N分别生产同质化产品,短期内资本、劳动力具有不变弹性,即短期S、N资本和劳动力对利息率和工资率完全不敏感,但长期资本和劳动力在S、N间自由流动,流动成本可忽略不计。③交通基础设施由中央政府提供,不考虑中央政府对S、N的税负影响,即S、N对交通基础设施使用的边际成本为零。④在经济增长的初始阶段,S、N要素禀赋完全一致,即:TS=TN,AS(T)=AN(T),KS=KN,LS=LN。

在市场均衡状态下,S、N城市的劳动力工资率和物质资本利息率可表示为:

wS=wN

(4)

rS=rN

(7)

假定政府针对S城市交通基础设施进行投资,由于短期内资本、劳动具有不变弹性,则式(4)、式(7)的均衡水平将会被打破,S城市的交通基础设施增加ΔT,短期内劳动力工资率和资本利息率变为:

从式(8)、式(9)、式(10)可见,S城市增加交通基础设施投资后,劳动力工资率和资本利息率均得到提高,在短期内形成S城市的资本价格和劳动工资均高于N城市。但在长期中,S、N城市的资本和劳动力均可自由流动,这就意味着N城市的资本和劳动会逐渐流入S城市,以求获得更高的要素回报率。由于本文考察的重点是交通基础设施对居民收入的影响,而劳动力工资率是居民收入的直接和主要来源,所以假定S、N城市资本固定。在长期中,N城市的劳动力会流入S城市,重新形成新的劳动力工资率均衡水平,即:

(11)

3 模型设定及变量选取

3.1 空间计量模型的构建

借鉴Bernardino[11]的建模思想,结合研究目标和内容,建立交通基础设施对我国居民收入影响的计量模型为:

lnI=∂+β1lnK+β2lnAL+β3T+ΣβX+ε

(13)

该公式可估计出交通基础设施发展T对我国居民收入I的贡献程度,但考虑到一个地区交通基础设施的完善程度不仅对本地居民收入有影响,可能会通过各种渠道影响到其他地区的居民收入,即交通基础设施增收的空间溢出效应在此模型中不能体现。因此,依据Elhorst[12]的空间计量思想,将地区之间的地理关系引入到计量模型中,在本文采用的邻接空间权重矩阵W1中,当i省和j省有共同边界时Wij=1,否则为0。考虑到邻接空间权重矩阵假设各相邻地区的经济发展水平是相同的,不能完全体现我国各地区实际的经济发展状况。为解决这一问题并进一步对我国交通基础设施的空间效应进行分析,采用林光平[13]的方法引入经济空间权重矩阵W2,W2=W1×E。矩阵E中的各元素为:

(14)

空间滞后模型(SAR):

lnIit=ρwijlnIit+β1lnKit+β2lnALit+β3Tit+ΣβXit+ε

(15)

空间误差模型(SEM):

lnIit=β1lnKit+β2lnALit+β3Tit+ΣβXit+μit

(16)

空间杜宾模型(SDM):

lnIit=ρwijlnIit+β1lnKit+β2lnALit+β3wijTit+ΣβXit+ε

(17)

其中,μit=λwijμjt+ε,ε～N(0,σ2Ii);lnIit为i地区在t时间的居民收入水平;lnKit为i地区t时间的资本存量;lnALit为i地区t时间的有效劳动;Tit为交通基础设施;Xit为1×5维的控制变量集;ρ为其他地区的居民收入变化对本地居民收入的影响;β为变量的参数估计;λ为除文中提到的解释变量之外的因素所引起的空间经济影响;ε为随机误差项;i为个体维度;t为时间维度。

空间滞后模型重点解释我国各省市本地居民收入受周边省市居民收入的影响,空间误差模型则反映无法观察到或难以获得相关数据的因素造成的空间经济影响。以上两个模型都没有涉及解释变量跨区的影响作用,空间杜宾模型不仅能反映某一地区交通基础设施发展变化对本地区居民收入的影响,还可反映本地区交通基础设施发展变化对其他地区居民收入的溢出效应,因变量和自变量之间的空间相关性和各地区居民收入的空间集聚效果都可由空间杜宾模型体现。因为本文关注的重点是交通基础设施增收的溢出效应问题,以杜宾模型为主要分析模型,其他空间计量模型作为辅助以补充分析上的不足。

3.2 变量选取与数据说明

考虑到数据的完整性,选择1997年重庆直辖为研究起点,时间跨度为1997—2015年,包括我国30个省份(未包括香港与澳门特别行政区、台湾省和西藏自治区)的相关数据。被解释变量为居民实际收入水平,解释变量包括两类:一类是主要解释变量,包括资本存量、人力资本、交通基础设施;另一类是控制变量,指对居民收入有一定影响的其他经济变量。有关变量的说明如下:

被解释变量与主要解释变量:①居民实际收入水平(I)。为衡量我国居民实际收入水平,采用高连水[14]的方法进行测算,计算公式为:Ii=ηirPir+ηiuPiu。式中,Ii表示i地区居民人均收入水平;ηir、ηiu分别表示农村人口占比和城市人口占比;Pir、Piu分别表示农村、城市居民可支配收入,两者分别使用各地城市、农村消费价格指数(1997年基期)来消除价格的影响。②人力资本(AL)。借鉴丁黄艳[15]的做法,人力资本用劳动力资源和知识资本的乘积表示,劳动力资源选择各地区就业人员数表示,知识资本以就业人员平均受教育年限表示,给未上过学、小学、初中、高中、专科、本科、研究生的就业人员占比分别赋权重1、6、9、12、15、16、19,进一步计算出就业人员的平均受教育年限。③资本存量(K)。资本存量的估算方法采用Goldsmith开创性运用的永续盘存法(PIM),基本估计公式为:Kt=Kt-1(1-δ)+It。式中,δ为资本存量的经济折旧率;It为当期投资额。公式中主要涉及四个变量,借鉴单豪杰[16]的做法,将δ估值为10.96%,It用各个地区每年的全社会固定资产投资额表示,基期资本存量用1997年全社会固定资产投资除以经济折旧率与考察期内固定资产投资总额年均增长率之和来计算,全社会固定资产投资额可比价折算指数使用1997年为基期的固定资产投资价格指数。④交通基础设施(T)。关于交通基础设施的概念,因研究视角的不同对其认识也不完全一致。根据研究内容将其定义为具有空间外部性属性的为人或物实现空间移动所共享的基础保障设施。铁路、公路、民航、水运是构成我国交通基础设施的四大板块,叶昌友等[17]研究认为公路和铁路所负担的全社会货运总量和客运总量均超过85%,可见公路、铁路基础设施对现阶段居民收入的贡献度较大 。此外,只有部分省份存在水运基础,不利于对全国进行横向比较,机场数量在各地区的分布有限且相关数据不易收集和比较,因此本文不考虑水运和民航交通基础设施。考虑到可比性问题,采用Démurger[18]的方法加总公路里程(除去等外路)和铁路里程之后再除以各地区的国土面积,得到1997—2015年各地区交通基础设施密度。

控制变量:①城市化水平(U)。城市化水平提高表明城市居民增加,农村居民减少,城市为居民提供了更多的就业机会,同时也提高了就业质量,城市居民平均可支配收入一般高于农村居民平均可支配收入,使城乡居民总收入整体增加,在人口基数不变的情况下,对人均收入水平增长存在一定的影响,使用城市人口占总人口的比重表示此指标。②产业结构指数(S)。产业结构指数可测算产业结构的升级水平。随着社会经济的发展,我国产业结构由第一产业逐渐向第二、第三产业过渡,如今第三产业的主导地位日益显著,产业结构升级必然会带动经济效率以及人民就业的变化,对我国居民收入产生一定的影响。借鉴李逢春[19]的做法赋值1、2、3分别作为第一、二、三产业的权重,然后乘以三大产业占比,加权后作为产业结构升级指标。③经济发展水平(lnG)。地区经济发展水平的高低关系到人民的工作与生活,与居民收入存在必然的联系,使用各地区实际GDP的对数表示该指标。④金融发展水平(F)。金融发展在促进我国经济发展、人民就业起到了非常重要的作用,对人民收入水平的变化有一定的影响作用,使用金融机构人民币贷款余额占地区生产总值的比重表示。⑤对外开放水平(O)。较高的对外贸易开放程度一方面可增加就业岗位,另一方面可通过引进先进技术、管理经验来提高生产效率,进一步增加居民收入,使用进出口总额占GDP的比重表示此指标。以上数据来源于《新中国六十年统计资料汇编》和相关年份的《中国统计年鉴》、《中国劳动统计年鉴》与各地区统计年鉴。变量的描述性统计见表1。

表1 变量的描述性统计

4 实证结果分析

4.1 居民实际收入水平空间相关性检验

在构建空间计量模型之前,使用莫兰指数对被解释变量居民实际收入水平进行全局空间相关性检验,检验结果见表2。

表2 居民实际收入水平的莫兰值及P值

从表2可见,在邻接空间权重矩阵W1下测度的每一年的莫兰值均大于0.4,在经济空间权重矩阵W2下测度的莫兰值均大于0.5,且都通过了1%的显著性水平检验,说明考察期内我国居民收入水平存在空间自相关性,即一个地区的居民收入水平受邻近地区居民收入水平的影响显著。2013—2015年测度的莫兰值有所下降,原因可能是在经济全球化的大背景下,我国各地区经济联系越来越密切,邻近地区对本地区的影响程度不再显著,并有逐年减小的趋势。

4.2 交通基础设施空间相关性实证检验

通过比较不含空间效应的普通面板数据模型(PDM)、被解释变量含有空间效应的面板空间滞后模型(SAR)、误差项含有空间效应的面板空间误差模型(SEM)和交通基础设施对邻近地区居民收入有影响的面板空间杜宾模型(SDM)来量化不同空间经济特征下交通基础设施对居民收入的影响作用,以论证本文交通基础设施增收存在空间溢出效应的推论,具体实证结果见表3。由于地理位置、时间跨度、政策变动等因素都会使地区之间存在异质性,因此选择时空固定模型更为合理。Hausman检验结果表明,时空固定是最好的选择。根据赤池信息准则和施瓦茨信息准则对模型变量优选的判断,不管是在W1权重矩阵还是在W2权重矩阵下,空间杜宾模型(SDM)的AIC、BIC值最小,表示空间杜宾模型(SDM)是优于其他三个模型的。根据Wald1检验值可见,空间滞后模型(SAR)和空间误差模型(SEM)在两个空间权重矩阵下均通过显著性检验,前者通过了1%的显著性水平检验,显著性水平较高,且在赤池信息准则和施瓦茨信息准则比较下前者优于后者，因此本文对基于两个空间权重矩阵的空间杜宾模型(SDM)和空间滞后模型(SAR)进行了实证结果分析。

表3 不同权重矩阵下空间效应模型估计结果

邻近地区交通基础设施发展对本地居民实际收入水平的影响呈空间溢出特征,推论1得到证实。空间滞后模型(SAR)中交通基础设施在W1和W2权重矩阵下的系数估计为0.039和0.044,通过了1%的显著性水平检验,说明本地交通基础设施密度每提高1个单位,将拉动本地居民收入水平提高0.039%—0.044%;空间杜宾模型(SDM)对交通基础设施的系数估计为0.069和0.085,分别通过了10%和1%的显著性水平检验,说明邻近地区交通基础设施密度每增加1个单位,会促进本地区居民收入水平提高0.069%—0.085%。通过比较两组数据整体看,我国交通基础设施增收的溢出效应显著,在促进地区人民收入平等和实现共同发展上起到积极作用。随着时间的推移,交通基础设施发展在集聚促进居民收入提升的人力、物力、财力资源方面做出了突出贡献。具体来看,随着我国市场化程度不断加深,各地区市场规模不断扩大,当不同省份之间存在原材料或其他物品的贸易往来时,邻省如果具有发达的交通基础设施,可降低本省企业的运输成本和运输时间。随着企业经济效益的提高,工人工资也会有相应提高,从而带动居民生活水平的改善。同时,邻近地区具有完善的交通基础设施,企业竞争力会逐渐增强并不断吸引大量劳动力转移流入到该地区;而本地区由于劳动力减少,使劳动力边际产出水平上升,进而提高了本地的劳动力工资率,因此无论交通基础设施资本率先投入给哪个地区,随着劳动力的理性转移,其他地区的居民收入水平也能获得提升,推论2得到证实。

不考虑交通基础设施增收的空间影响,可能会高估邻近地区居民收入对本地居民收入的溢出效应。当假设相邻省份的经济发展水平不存在差异时,空间滞后模型(SAR)在邻接空间权重矩阵下测度的滞后变量的系数为0.322,空间杜宾模型(SDM)滞后变量的系数估计显著为0.325。可见在各省经济水平相同时,不会高估邻近地区居民收入对本地区居民收入的空间溢出效应,但经济发展不均衡是我国长期存在的问题,该假设在我国的实际运用中不成立。考虑到地区经济发展存在差异因素后,使用经济空间权重矩阵W2进行测度。由表3可见，我国居民收入水平增长的空间效应σ值均显著为正,说明溢出效应显著；空间滞后模型(SAR)的滞后变量系数估计显著为0.212,空间杜宾模型(SDM)滞后变量系数估计显著为0.207,说明在不直接考虑邻近地区交通基础设施对本地居民收入的空间影响的情况下,邻近地区居民收入每提高1%,会带动本地区居民收入水平提高0.212%;若考虑到邻近地区交通基础设施增收的空间效应影响,邻近地区居民收入每提高1%,会带动本地居民收入水平提高0.207%。这表明不考虑交通基础设施增收的空间影响,会高估邻近地区居民收入对本地居民收入的带动作用。

4.3 交通基础设施发展的直接与间接效应

根据面板空间杜宾模型(SDM)的估计结果,采用LeSage[20]将总边际效应分解为直接效应和间接效用(即溢出效应)的方法,进一步解释交通基础设施对居民收入的边际效应影响。产生直接效应有两种途径:一种是本地交通基础设施改善促进了本地居民收入水平的提高;另一种是本地交通基础设施改善影响到邻近地区居民收入,邻近地区居民收入水平发生变化后又反馈到本地,进而影响到本地居民收入。交通基础设施对居民收入的间接效应影响是指本地交通基础设施的变化影响到了其他地区居民的实际收入。依据空间杜宾模型(SDM)公式,建立以下边际效应估计模型,定量分析交通基础设施对居民收入的直接效应、间接效应和总效应:

(18)

式中,ρ和θ分别表示空间杜宾模型(SDM)中交通基础设施和居民收入的系数估计值。在式(18)对应的N阶矩阵中,直接效应为主对角线元素之和比上N,间接效应为非主对角线元素之和比上N。根据Lee[21]的思想,可计算出每个省份交通基础设施增收的空间溢出效应,在N阶矩阵中每一列(除对角线元素外)表示该地区交通基础设施变化对其他地区居民收入水平的影响大小,每一行(除对角线元素外)表示其他地区交通基础设施改善对本地居民收入的影响。

交通基础设施对居民收入产生的间接效应是本文研究的重点。从表4可见,在W1和W2权重矩阵下,交通基础设施发展对居民收入具有显著的溢出效应,表明地区交通基础设施密度增加1单位,可促进其他地区居民收入水平提高0.095%—0.102%,再次说明交通基础设施改善促进了地区间人员、商品和资金的流通,尤其是使人员流动更加方便和频繁,带动了地区间居民收入水平增长。

表4 交通基础设施空间效应分解

注:交通基础设施(W1)表示在邻接空间权重矩阵下交通基础设施增收的空间效应；交通基础设施(W2)表示在经济空间权重矩阵下交通基础设施增收的空间效应。括号内数值为z检验值，据本文数据回归结果整理。

表5 各省市交通基础设施的空间溢出效应

某一地区交通基础设施密度增加对其他地区居民收入的空间溢出作用主要体现在该地区为企业生产和劳动力流动提供了完善的外部环境,从而生产要素得以重新配置,企业生产效率和居民收入得以提高。从表5可见,在W1空间权重矩阵下,交通基础设施密度每提高1个单位,有17省市对邻近地区居民收入产生的正向溢出效应大于0.10。陕西省、广东省、河北省、内蒙古自治区产生的正向溢出效应最大;海南省、上海市、黑龙江省、新疆维吾尔自治区、宁夏回族自治区的正向溢出效应相对较小,为0.03—0.06。在W2空间权重矩阵下,每提高1个单位的交通基础设施密度,有16省市对邻近地区居民收入产生的正向溢出效应大于0.10。陕西省和河南省的正向溢出效应最大,分别达到0.27和0.30;上海市、海南省、辽宁省、新疆维吾尔自治区、山东省、宁夏回族自治区的正向溢出效应相对较小,为0.01—0.03。可以看出,邻居较少的省份交通基础设施改善对其他地区居民收入增长的正向溢出效应较小,如海南省、上海市、新疆维吾尔自治区;邻居较多的省份如陕西省、内蒙古自治区等地区交通基础设施增收的正向溢出效应更为显著。同时，交通基础设施增收的空间溢出推论为我国交通基础设施不平衡投资提供了理论支持,国家对扶持各地区交通基础设施的建设资金是稀缺资源,只能满足部分地区对交通基础设施建设的需要,不可能做到绝对的分配均匀,而交通基础设施发展对居民收入增长的溢出效应有效减弱了由交通基础建设投入不均衡带来的收入不平等问题,无论交通基础设施建设资金率先投入给谁,随着劳动力的理性转移,其他地区的居民收入水平也能获得提升。

4.4 稳健性检验

为了避免测算的偶然性,采用逐步回归法对交通基础设施增收的空间溢出效应进行稳健性检验。模型1中只有人力资本、资本存量、交通基础设施三个主要解释变量，模型2是在模型1的基础上加入控制变量城市化水平,模型3—6以此类推逐渐加入控制变量观察检验结果。

由表6、表7可见,首先以邻接空间权重矩阵W1作为测算矩阵,在空间杜宾模型(SDM)中先加入核心解释变量交通基础设施,系数估计显著为0.101,wald检验值显著,说明交通基础设施增收的溢出效应显著存在;然后依次加入控制变量U、S、lnG、F、O,发现只有“U”控制变量加入模型时,交通基础设施的溢出效应不显著,在其他情况下均显著。以经济空间权重矩阵W2作为测算矩阵,重复以上操作,结果发现全部模型都显示交通基础设施存在显著的溢出效应,可见前文的测度结果具有稳健性。由12次回归结果对总效应的分解结果显示，我国交通基础基施对其他地区居民收入都存在显著的间接效应。在邻接空间权重矩阵W1下,间接效应占总效应的60%—90%;在经济空间权重矩阵W2下,间接效应占总效应的比值上升为70%—90%,所以交通基础设施发展增收的间接效应显著存在的结果具有稳健性。第三,根据AIC、BIC值,可看出包含所有控制变量时是对模型变量的最优选择。

表6 W1矩阵下面板空间杜宾模型稳健性检验回归结果

表7 W2矩阵下面板空间杜宾模型稳健性检验回归结果

5 结论与启示

本文使用1997—2015年我国30个省份的面板数据，构建邻接空间权重矩阵和经济空间权重矩阵下的面板空间计量模型，对我国交通基础设施的增收效应进行了研究，得出以下主要研究结论:

在考察交通基础设施增收的空间效应时,将交通基础设施对居民收入增长的促进作用看作一个额外的技术进步贡献,借鉴两地经济系统假设条件,通过推导得出两个推论并证实:交通基础设施增收存在空间溢出效应;不论交通基础设施资金投入的先后顺序,随着劳动力理性转移均可提升其他地区的居民收入水平。

我国交通基础设施增收的空间溢出效应显著。在W1和W2空间矩阵下,SDM模型中的交通基础设施系数估计显著为0.069和0.085,说明邻近地区交通基础设施密度每增加1个单位会促进本地区居民际收入水平提高0.069%—0.085%。不考虑交通基础设施增收的空间影响,可能会高估邻近地区居民收入对本地居民收入的溢出效应。在考虑地区经济发展差别的经济空间权重矩阵W2的基础上,空间滞后模型(SAR)中滞后变量系数估计显著为0.212,空间杜宾模型(SDM)对滞后变量系数的估计结果为0.207。

从对交通基础设施增收的直接和间接效应测度结果中可见,一个地区交通基础设施密度每增加1个单位,其他地区居民收入水平提高0.095%—0.102%,邻居较少的省份交通基础设施改善对其他地区居民收入增长的正向溢出效应较小,邻居较多的省份比如陕西省、内蒙古自治区等地区交通基础设施增收的正向溢出效应较大。国家对扶持各地区交通基础设施的建设资金是稀缺资源,不可能满足所有地区交通基础设施建设的需要,也不可能平均分配给各个地区,而这种对促进居民收入增长的溢出效应有效减弱了由交通基础建设投入不均衡带来的收入不平等问题,无论交通基础设施建设资金率先投入给谁,随着劳动力的理性转移,其他地区的居民收入水平也能获得提升。